近日，决策智能初创公司 Kando AI 宣布完成数千万元种子轮融资，本轮由星连资本领投，力合金控跟投，另有知名产业方参与投资。公司成立于 2026 年 6 月，核心团队兼具顶尖 AI 技术能力与一线决策实践经验，其中创始人、首席科学家吴秉哲毕业于北京大学数学系本科，后取得北京大学计算机博士学位，是苹果博士奖学金大陆首位获得者，此前曾任腾讯 AI Lab 可信 AI 负责人。
创立 Kando AI 的想法，源于创始团队对日常决策的长期观察。作为常年活跃在二级市场的投资者，吴秉哲保持着多年的每日复盘习惯：每个交易日结束后，都会系统梳理当日决策的执行情况，核对哪些预案按计划落地，哪些被盘面新信息打乱，又有哪些潜意识的判断在事后得到了验证。但他也始终被一个问题困扰：这些高频决策背后的认知逻辑与思考路径，大多只停留在人脑中，从未被系统性地沉淀下来。
“认知本身是一种宝贵资产，但过去这些价值全部封存在大脑里，无法被有效复用和迭代。” 吴秉哲的这一感受，与联合创始人、CEO 毛书翰高度契合。毛书翰为连续创业者，本科毕业于清华大学，硕士毕业于香港大学金融学，曾任职于国内头部投行多年，此前参与创立的具身智能公司曾获得行业广泛关注，其本人也入选 2025 年福布斯 30 Under 30。同样深耕不确定性决策场景的两人达成共识：真实业务中的决策认知模式始终未能完成数字化沉淀，而大模型技术的成熟，让这一长期痛点首次出现了解决的可能。
基于这一判断，两人联合创立 Kando AI，目标是构建下一代自进化决策系统，让 AI 能够从真实决策过程与结果反馈中持续学习，实现决策能力的自主迭代。目前公司团队规模约 10 人，核心成员均来自腾讯、字节跳动、美团、华泰证券等国内头部互联网与金融机构。
在 Kando AI 团队看来，过去二十年的数字化进程，本质上完成的是 “信息层” 的革新。从金融领域的行情资讯终端，到科研领域的文献数据库与知识管理工具，核心能力都集中在信息的搜集、整理、存储与检索。但结构化的信息本身不会自动转化为有效判断，从信息到行动之间，最核心的决策环节始终依赖人的经验、直觉与认知体系，这部分能力过去既难以被量化，也无法被系统性传承。
这也正是 Kando AI 与绝大多数 AI 工具的核心差异。当前多数 AI 产品仍聚焦于优化输出质量，提升内容生成、信息检索的效率；而 Kando AI 瞄准的是更深层的指标 —— 决策采纳率与事后可靠性，即 AI 输出的建议能否真正嵌入用户的工作流，被用户采纳并用于实际决策，以及这些建议在真实结果中的有效性。用毛书翰的话说，Kando AI 的目标是成为 “决策领域的 Cursor”：就像代码助手从最初的辅助生成发展到高比例被开发者采纳，决策 AI 也需要真正融入用户的判断流程，成为可信赖的决策伙伴。
在场景选择上，团队率先以金融领域作为核心验证场景。毛书翰表示，金融场景拥有清晰的反馈机制、较短的反馈周期、高度结构化的信息以及可审计的决策链路，是综合评分最高的决策场景之一，也最适合打磨自进化决策引擎。除金融外，科研决策也是团队重点布局的方向。
Kando AI 的产品形态是面向高价值决策场景的智能工作台，但工作台只是入口，其内核是一套能够从真实决策中积累经验、持续迭代的自进化系统。支撑这套系统的核心能力之一，是区别于传统检索模式的认知记忆系统。不同于传统 RAG 偏向语义相似度匹配的召回逻辑，Kando AI 的记忆系统更侧重对用户认知结构的还原 —— 它记录的不只是用户浏览过哪些信息，更是用户理解问题的方式、判断偏好，以及过往修正判断的逻辑，更像是一套面向个人认知的推荐与召回机制。
在实际使用中，系统会先给出预判，由用户选择采纳、修改、否决或持续追踪。当真实结果产生后，系统会回溯最初的判断，对验证正确的结论、发生变化的变量，以及错误的来源 —— 是信息缺失、推理偏差还是执行偏差 —— 进行完整归因。这些完整的决策轨迹不会只停留在交互记录中，用户的每一次采纳、修改与否决，预期与结果的偏差，以及事后的复盘归因，都会被转化为新的学习信号，持续更新系统的长期记忆、任务策略、工具调度与模型适配逻辑。也就是说，上一轮决策产生的结果，会直接改变下一轮系统召回信息、组织推理、生成建议的方式，形成 “判断 — 行动 — 反馈 — 更新” 的递归闭环。
吴秉哲将这套模式定义为 “广义的后训练”。传统的模型后训练聚焦于参数调优，而在 Kando AI 的框架里，需要持续优化的远不止模型参数，还包括记忆的存储与召回机制、产品交互逻辑、工具的上下文适配，以及如何将不同用户的反馈组织成有效的学习信号。“你可以把做产品的整个过程，看成是对模型的持续后训练。只不过以前优化的是参数，现在优化的是上下文、交互和记忆体系。”
也正是基于这一思路，Kando AI 选择从基础设施层开始全栈自研。吴秉哲表示，只有自研底层架构，才能保证训练链路、反馈链路与记忆链路的全程透明、可监测、可回溯。团队最终要沉淀的不是表层的产品功能，而是一整套围绕真实决策过程持续运转的数据飞轮。
商业化路径上，Kando AI 选择从高价值、高频决策的专业用户切入，目前种子用户主要覆盖专业投资人、科研工作者等群体。产品现已启动内测，围绕金融、科研等垂直领域，提供基于持续记忆与反馈迭代的决策辅助服务。在团队的规划中，未来所有高价值、非标准化、高度依赖认知能力的决策领域，都可以成为这套系统的应用场景。
“Kando AI 不是要做一个单点工具，而是要在那些没有标准答案、却最具价值的领域里，真正打通‘信息→决策→反馈’的完整闭环。” 吴秉哲表示，公司的长期目标，是构建一套能够持续吸收人类经验、理解真实世界反馈，并在一次次决策中不断自我提升的决策智能基础设施。
对于本轮投资，星连资本合伙人李文珏表示，AI 应用的下一阶段，核心不只是更高效地处理信息，而是深度嵌入真实工作流，学习专业用户的判断、行动与认知修正逻辑。Kando AI 聚焦金融、科研等高价值决策场景，以个性化记忆与认知建模为底座，将用户的研究过程、选择判断、事后复盘转化为学习信号，突破了传统 AI 工具一次性回答的局限，能够形成与用户共同进化的决策系统。团队兼具前沿 AI 研究、模型后训练、系统工程与复杂决策的复合经验，更重要的是具备从真实使用中沉淀专有工作流数据、推动能力持续增长的潜力。如果这一闭环得到验证，Kando AI 构建的将不只是投研或科研工具，更有可能成为连接信息、判断与行动的新一代认知基础设施，让个人与组织最宝贵的判断力得以沉淀、校准和复用。
—精彩回顾—
推荐关注
